Serviços Personalizados
Journal
Artigo
Indicadores
- Citado por SciELO
- Acessos
Links relacionados
- Citado por Google
- Similares em SciELO
- Similares em Google
Compartilhar
Revista de Investigación, Desarrollo e Innovación
versão impressa ISSN 2027-8306versão On-line ISSN 2389-9417
Resumo
PADILLA-OSPINA, Ana Milena; MEDINA-VASQUEZ, Javier Enrique e OSPINA-HOLGUIN, Javier Humberto. Métodos de aprendizaje automático en los estudios prospectivos desde un ejemplo de la financiación de la innovación en Colombia. Revista Investig. Desarro. Innov. [online]. 2020, vol.11, n.1, pp.9-21. Epub 21-Jan-2021. ISSN 2027-8306. https://doi.org/10.19053/20278306.v11.n1.2020.11676.
El propósito de este artículo es hacer una breve introducción a cinco métodos avanzados de predicción de aprendizaje automático, que pueden ser de utilidad para el desarrollo de estudios prospectivos: la regresión logística, las máquinas de vectores de soporte, las máquinas de gradiente potenciado, los bosques aleatorios y las redes neuronales. Además, se explica qué metodología se puede llevar a cabo para asegurar la robustez y validar dichos modelos de predicción. A manera de ejemplo, se presenta cómo el uso de estos métodos permitió identificar las variables financieras más importantes para predecir el desarrollo de actividades de innovación en pymes colombianas. Los resultados del uso de estos métodos pueden permitir la generación de pronósticos al corto y mediano plazo, que sirvan para la realización de estudios prospectivos con métodos más amplios, como la construcción de escenarios, con el propósito de generar propuestas basadas en la evidencia, como hoja de ruta para la planeación y política pública al largo plazo.
Palavras-chave : regresión logística; máquinas de vectores de soporte; máquinas de gradiente potenciado; bosques aleatorios; redes neuronales.